LF-YOLO: A Lighter and Faster YOLO for Weld Defect Detection of X-Ray Image

特征(语言学) 编码(集合论) 计算机科学 卷积(计算机科学) 人工智能 特征提取 模式识别(心理学) 图像(数学) 焊接 卷积神经网络 人工神经网络 计算机视觉 工程类 机械工程 哲学 集合(抽象数据类型) 程序设计语言 语言学
作者
Moyun Liu,Youping Chen,Jingming Xie,Lei He,Yang Zhang
出处
期刊:IEEE Sensors Journal [Institute of Electrical and Electronics Engineers]
卷期号:23 (7): 7430-7439 被引量:38
标识
DOI:10.1109/jsen.2023.3247006
摘要

X-ray image plays an important role in manufacturing industry for quality assurance, because it can reflect the internal condition of weld region. However, the shape and scale of different defect types vary greatly, which makes it challenging for model to detect weld defects. In this article, we propose a weld defect detection method based on convolution neural network (CNN), namely, lighter and faster YOLO (LF-YOLO). In particular, a reinforced multiscale feature (RMF) module is designed to implement both parameter-based and parameter-free multiscale information extracting operations. RMF enables the extracted feature map to represent more plentiful information, which is achieved by a superior hierarchical fusion structure. To improve the performance of detection network, we propose an efficient feature extraction (EFE) module. EFE processes input data with extremely low consumption and improves the practicability of whole network in actual industry. Experimental results show that our weld defect detection network achieves satisfactory balance between performance and consumption and reaches 92.9 mean average precision (mAP50) with 61.5 frames/s. To further prove the ability of our method, we test it on the public dataset MS COCO, and the results show that our LF-YOLO has an outstanding versatility detection performance. The code is available at https://github.com/lmomoy/LF-YOLO .
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
1秒前
3秒前
3秒前
归海神刀完成签到,获得积分10
3秒前
5秒前
lwj完成签到,获得积分10
5秒前
研友_Z1xNWn发布了新的文献求助30
5秒前
仙人殊恍惚应助研友_LN7x6n采纳,获得10
7秒前
WZH完成签到,获得积分10
7秒前
司徒无剑发布了新的文献求助10
7秒前
spolo完成签到,获得积分10
9秒前
9秒前
吹梦西洲完成签到 ,获得积分10
10秒前
all完成签到,获得积分10
11秒前
喵喵喵完成签到,获得积分10
11秒前
12秒前
哦哦耶耶完成签到,获得积分10
13秒前
Gergeo应助司徒无剑采纳,获得20
13秒前
14秒前
刘鹏宇发布了新的文献求助10
14秒前
樊樊完成签到,获得积分10
15秒前
15秒前
pcr163应助狂野的雁丝采纳,获得50
17秒前
正直无颜发布了新的文献求助10
18秒前
ZD发布了新的文献求助10
19秒前
在水一方应助刘鹏宇采纳,获得10
20秒前
白泽发布了新的文献求助10
20秒前
20秒前
西西贝贝完成签到,获得积分10
21秒前
baixue完成签到,获得积分20
22秒前
牛雨桐完成签到,获得积分10
23秒前
23秒前
称心怀蕾完成签到,获得积分10
23秒前
今后应助平常的白猫采纳,获得10
24秒前
26秒前
明天又是美好的一天完成签到 ,获得积分10
26秒前
baixue发布了新的文献求助10
27秒前
牛雨桐发布了新的文献求助20
29秒前
29秒前
sci_zt发布了新的文献求助10
31秒前
高分求助中
Evolution 3rd edition 1500
保险藏宝图 1000
Lire en communiste 1000
Mantiden: Faszinierende Lauerjäger Faszinierende Lauerjäger 700
PraxisRatgeber: Mantiden: Faszinierende Lauerjäger 700
Mathematics and Finite Element Discretizations of Incompressible Navier—Stokes Flows 500
A new species of Coccus (Homoptera: Coccoidea) from Malawi 500
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3184721
求助须知:如何正确求助?哪些是违规求助? 2835020
关于积分的说明 8002635
捐赠科研通 2497407
什么是DOI,文献DOI怎么找? 1332826
科研通“疑难数据库(出版商)”最低求助积分说明 636696
邀请新用户注册赠送积分活动 604068